Datasettet snodybde.xls er lastet ned fra Norsk Klimaservicesenter https://seklima.met.no/ og inneholder observasjoner av snødybde målt på Biri i Gjøvik kommune vinteren 2019/2020. Vi har lagret filen som .xls fordi biblioteket xlrd (https://pypi.org/project/xlrd/) av sikkerhetshensyn ikke aksepterer .xlsx-filer.
Hva er relevant for tellende vurdering? Erfaringen med å håndtere datasett i Python får du nytte av i den tellende prosjektoppgaven, og i resten av utdanningen din. Du skal ikke skrive kode selv på eksamen, men du må kunne lese, tolke og forklare utskrift og plott fra ulike statistikk-beregninger i Python.
Notebook-tips: Kjør koden som henter inn modulene ved å trykke på feltet under og deretter knappen "Run" øverst på kommandolinja, eller bruk tastatursnarveien cmd + enter.
import pandas as pd # lese data fra excel-fil og bruke DataFrames
import seaborn as sns # plotting
sns.set(style = 'whitegrid', font_scale = 1.5) # utseende av plott
import matplotlib.pyplot as plt # og mer plotting
import numpy as np # matematikk
import statistics as statistics # statistikk-funksjoner
snodybde = pd.read_excel('https://www.math.ntnu.no/emner/IST100x/python_felles/snodybde.xls') # leser inn excel-fila
snodybde.shape # dimensjonen på datasettet
(181, 4)
snodybde # ser på de første og siste observasjonene
| Navn | Stasjon | Tid(norsk normaltid) | Snødybde | |
|---|---|---|---|---|
| 0 | Biri | SN11900 | 02.11.2019 | 0 |
| 1 | Biri | SN11900 | 03.11.2019 | 0 |
| 2 | Biri | SN11900 | 04.11.2019 | 0 |
| 3 | Biri | SN11900 | 05.11.2019 | 0 |
| 4 | Biri | SN11900 | 06.11.2019 | 0 |
| ... | ... | ... | ... | ... |
| 176 | Biri | SN11900 | 26.04.2020 | 0 |
| 177 | Biri | SN11900 | 27.04.2020 | 0 |
| 178 | Biri | SN11900 | 28.04.2020 | 0 |
| 179 | Biri | SN11900 | 29.04.2020 | 0 |
| 180 | Biri | SN11900 | 30.04.2020 | 0 |
181 rows × 4 columns
Python-tips: Hvordan kjenner vi til alle disse funksjonene? Det er rimelig å anta at de vanligste statistikkfunksjonene er ferdig kodet i en eller annen python-modul. Et raskt google-søk på "mean median and standard deviation in python" gir oss med en gang informasjon om modulen "statistics", og funksjonene i denne modulen kan man lese om her: https://docs.python.org/3/library/statistics.html
# Gjennomsnitt
statistics.mean(snodybde['Snødybde'])
31.34806629834254
# Standardavvik
statistics.stdev(snodybde['Snødybde'])
16.42949106928088
# Median
statistics.median(snodybde['Snødybde']) # alternativ: np.quantile(snodybde['Snødybde'],0.5)
34.0
# Kvartilbredde
np.quantile(snodybde['Snødybde'], 0.75) - np.quantile(snodybde['Snødybde'], 0.25)
25.0
# Variasjonsbredde
max(snodybde['Snødybde']) - min(snodybde['Snødybde'])
61.0
Siden variasjonsbredden er på 61 cm ser vi det som rimelig å samle dataene i intervaller på 10 cm (fra 0 til og med 70 cm).
# Henter ut antall i hvert intervall
antall, intervaller = np.histogram(snodybde['Snødybde'],bins = range(0,80,10))
# Legger dataene i tabell
tabell = {'Intervaller' : ['[0-10 cm)','[10-20 cm)','[20-30 cm)','[30-40 cm)',
'[40-50 cm)','[50-60 cm)','[60-70 cm)'],
'Antall dager' : antall}
# Lager en pandas DataFrame
tabelldf = pd.DataFrame(tabell, columns = ['Intervaller','Antall dager'])
tabelldf
| Intervaller | Antall dager | |
|---|---|---|
| 0 | [0-10 cm) | 29 |
| 1 | [10-20 cm) | 12 |
| 2 | [20-30 cm) | 25 |
| 3 | [30-40 cm) | 51 |
| 4 | [40-50 cm) | 51 |
| 5 | [50-60 cm) | 12 |
| 6 | [60-70 cm) | 1 |
# Regner ut andeler
tabelldf['Andel dager'] = round(tabelldf['Antall dager']/sum(tabelldf['Antall dager']),3)
tabelldf
| Intervaller | Antall dager | Andel dager | |
|---|---|---|---|
| 0 | [0-10 cm) | 29 | 0.160 |
| 1 | [10-20 cm) | 12 | 0.066 |
| 2 | [20-30 cm) | 25 | 0.138 |
| 3 | [30-40 cm) | 51 | 0.282 |
| 4 | [40-50 cm) | 51 | 0.282 |
| 5 | [50-60 cm) | 12 | 0.066 |
| 6 | [60-70 cm) | 1 | 0.006 |
# Plotter et histogram av observasjonene (merk y-aksen! høyden på stolpene er justert slik at arealet av alle stolpene er 1)
sns.distplot(snodybde['Snødybde'], bins = range(0,80,10),
kde = False, hist_kws=dict(edgecolor="k", linewidth=2),
norm_hist=True)
# Plotter et boksplott av observasjonene
sns.boxplot(y='Snødybde',data=snodybde)
